针对合成孔径雷达(SAR)目标识别问题, 设计并提出基于改进稀疏表示的方法。首先以传统稀疏表示分类(SRC)为基础, 在全局字典上求解稀疏表示系数矢量。在此基础上, 按照类别选择局部最佳字典, 并据此进行测试样本的重构表示, 最终, 通过比较不同类别的重构误差大小进行目标类别确认。实验中采用MSTAR数据集作为样本进行测试和验证。结果证明了所提方法的性能优势。
合成孔径雷达(SAR) 目标识别 改进稀疏表示 局部字典 Synthetic Aperture Radar (SAR) target recognition modified sparse representation local dictionary
1 辽宁工程技术大学软件学院，辽宁 葫芦岛 125105
2 中国科学院福建物质结构研究所泉州装备制造研究中心，福建 泉州 362216
遥感影像场景分类方法多基于传统机器学习或卷积神经网络，此类方法的特征提取能力极为有限，尤其在处理类间相似度大、空间信息复杂、几何结构繁多的光学遥感影像时更容易出现特征信息丢失、分类精度受限等问题。基于此，提出一种融合字典学习与视觉转换器（ViT）的高分辨率遥感影像场景分类方法。该方法不仅能够挖掘图像内部的长距离依赖关系，而且可以利用字典学习抓取图像的深层非线性结构信息，从而达到提升分类准确度的目的。在PyTorch深度学习框架上，在RSSCN7、NWPU-RESISC45和Aerial Image Data Set（AID）3个公开的遥感影像数据集上对所提方法和模型进行了广泛实验，验证了所提方法的可行性，其分类正确率比原始视觉转换器模型分别高出1.763个百分点、1.321个百分点和3.704个百分点。与其他先进的场景分类方法相比，所提方法实现了更加优异的分类性能。
视觉转换器 字典学习 遥感场景分类 高分辨率遥感影像 激光与光电子学进展
2023, 60(14): 1410019
1 重庆邮电大学移动通信技术重庆市重点实验室，重庆 400065
2 重庆邮电大学通信与信息工程学院，重庆 400065
稀疏表示广泛用于高光谱图像分类任务中。针对字典原子空间信息和光谱信息未得到充分利用的问题，提出了基于空谱字典的加权联合稀疏表示高光谱图像分类算法。计算测试像元与字典原子的空谱联合距离，选择相似度最高的K个字典原子，并将被选择字典原子的超像素邻域扩充到新的字典中，形成空谱字典。在联合稀疏模型中，对测试像元的超像素邻域像元使用不同的权重，在空谱字典上构建加权稀疏表示模型。基于所选的两个高光谱数据集的实验证明所提算法能够有效地提高分类精度。
图像处理 高光谱图像分类 空谱字典 超像素 稀疏表示
1 南京林业大学轻工与食品学院, 江苏 南京 210037
2 南京林业大学信息科学技术学院, 江苏 南京 210037
3 武汉大学, 湖北省文物颜色信息数字化与虚拟再现工程研究中心, 湖北 武汉 430079
针对单幅RGB图像重建光谱图像中的病态问题, 提出一种基于非线性光谱字典学习的非线性重建方法。 为了适应线性和非线性数据, 该方法首先改进了基于自联想神经网络模型的非线性主成分分析算法, 并利用其从训练光谱集中学习低维光谱字典, 用于光谱重建的求逆方程中, 以缓解病态状况。 再在此光谱字典基础上, 利用阻尼高斯牛顿法结合截断奇异值分解的正则化方法, 进一步缓解该非线性反演的病态问题, 实现单幅RGB图像重建光谱图像。 在实验中, 采用Munsell以及Munsell+Pantone两个光谱训练集学习光谱字典, 同时利用CAVE和UEA光谱图像库进行光谱重建测试。 该方法测试结果与现有方法比较发现, 该方法在不同光谱训练集下重建CAVE和UEA两库光谱图像的均方根差的平均值最低, 分别为0.212 4, 0.255 4, 0.229 4和0.294 9, 均方根差的标准偏差接近最好方法的效果, 分别为0.068 5, 0.084 7, 0.066 8和0.087 0。 此结果表明该方法针对单幅RGB图像重建光谱图像在重建精度和稳定性上均存在优势。
光谱重建 RGB图像 非线性 光谱字典 学习 Spectral reconstruction RGB image Nonlinear Spectral dictionary Learning 光谱学与光谱分析
2022, 42(7): 2092
浙江大学光电科学与工程学院现代光学仪器国家重点实验室, 浙江 杭州 310027
由于场景的光谱信息受到不同照明条件的影响,故在照明不可控场景下拍摄的多光谱图像的光谱反射比重构需要进行照明光谱估计。因此,提出了一种基于单幅多光谱图像的通用方法来准确预测场景的照明光谱。首先,通过分析每个像素的响应特性设计并计算色度权重图,以寻找包含更多照明信息的像素。然后,对加权后的图像进行成分分析,以在通道域中提取光源响应特征。最后,得益于创新性引入的基于照明光谱库训练的字典学习方法,可估计出场景光源的相对光谱功率分布。所提方法在模拟数据和真实数据上的照明光谱估计平均角度误差分别为0.29和3.42,与现有的同类方法相比,表现出更优的准确性和鲁棒性。
颜色 多光谱成像 光源光谱估计 色度权重图 字典学习 光谱功率分布
华南理工大学物理与光电学院，广东 广州 510641
光场相机通过一次拍照可以同时记录场景的光线信息和方向信息，在三维场景的重建方面和先拍照后聚焦方面有非常广阔的应用前景，但是相比于普通相机，光场相机拍摄的照片清晰度不够。提出一种基于稀疏表示的光场图像超分辨率重建算法，该算法利用光场多视角图像之间的冗余信息对光场图像进行超分辨率重建。首先，选取光场多视角图像的中心图像作为待重建的低分辨率图像；然后，将其他视角的图像及其降采样图像作为字典训练样本，采用稀疏K-SVD方法进行训练，获得高、低分辨率字典对；最后，在图像重建过程中，采用改进的高斯Laplace算子提取低分辨率图像的特征。实验结果表明，所提改进方法可以恢复更多的图像细节并且大大加快了字典训练的速度。
图像处理 超分辨率 稀疏表示 字典学习 光场 激光与光电子学进展
2022, 59(2): 0210001
1 武汉大学印刷与包装系颜色科学实验室, 湖北 武汉 430079
2 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079
针对多光谱激光雷达系统在实景三维立体图像的真实颜色的再现问题,提出了一种基于稀疏信号表示的多光谱颜色数据降维方法,该方法利用字典学习和稀疏编码交替更新,以迭代的方式对光谱误差进行修正。实验结果表明,所提出的方法均方根误差的平均值较主成分分析法降低了35.29%,光谱拟合系数的平均值达到了99.8% 以上,色度精度也较主成分分析法平均提高了70.23%,在不同光源观测条件下仍能保持颜色的稳定性,其重构精度优于主成分分析法。该方法利用稀疏表示可以通过低维观测向量复原高维稀疏信号的特性,从数量相对较少的训练样本中对大量测试样本进行精确复原,提高了数据处理中的成本效率,对真实反映遥感多光谱影像的地物信息有较大的帮助。
光谱学 稀疏表示 字典学习 光谱反射率 光谱降维 激光与光电子学进展
2021, 58(22): 2230003
1 新疆财经大学 信息管理学院新疆 乌鲁木齐 830012
2 新疆警察学院 实验实训教学中心新疆 乌鲁木齐 830011
3 新疆警察学院 信息安全工程系新疆 乌鲁木齐 830011
为了提高背景杂波和成像噪声等干扰下红外小目标的跟踪精度，提出了一种基于结构信息建模和判别稀疏的红外小目标跟踪方法。小目标信号在广义高斯目标超完备字典上被稀疏分解，以便从受噪声干扰和杂波污染的红外图像中提取出小目标的空间结构信息; 设计了转移受限粒子滤波跟踪算法，以提高粒子的采样概率; 在转移受限粒子滤波框架下，基于判别稀疏表示和L1范数最小化框架求解候选目标的稀疏系数，实现小目标的跟踪。基于各种红外序列对所提方法进行实验论证，实验结果表明，所提方法能够在杂波和噪声较大的干扰下稳定地跟踪小目标，其中心误差、重叠率和平均视频播放帧率分别为3pixel、0.7和40fps，均优于其他对比方法，且具有较强的鲁棒性。
红外小目标跟踪 结构信息建模 广义高斯目标超完备字典 判别稀疏表示 转移受限粒子滤波框架 infrared small target tracking structural information modeling generalized gaussian target super complete diction discriminant sparse representation transfer constrained particle filter framework
为了实现有效与可靠的视频传输，针对水下单光子通信系统，提出了一种基于字典学习和LT码级联LDPC码的视频联合编码方案。通过字典学习稀疏编码，极大地压缩了视频数据量。根据水下单光子信道存在的删除特性，利用LT码级联LDPC码的信道级联编码方法，同时克服了LT码译码开销过大的缺点。由于LT码存在译码失败概率的问题，提出了译码成功双反馈机制。实验结果表明，当信道误码率处于10-2数量级、视频压缩率为75.6%时，可以实现平均峰值信噪比(PSNR)为37.4921 dB重建视频帧。
水下单光子视频通信 字典学习 联合编码 LT编码 LDPC编码 underwater single-photon video communication dictionary learning joint coding LT coding LDPC coding
